โปรแกรมอัจฉริยะสำหรับแปลภาษามือภาษาไทยและภาษาอังกฤษ
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันผู้พิการทางการได้ยินสื่อสารด้วยการใช้ภาษามือ ทำให้อาจส่งผลต่อการสื่อสารกับบุคคลทั่วไป เนื่องจากบุคคลทั่วไปส่วนใหญ่ไม่มีความรู้ในการใช้ภาษามือ ดังนั้นในการสื่อสารอาจทำให้เกิดการสื่อสารผิดพลาดได้ งานวิจัยนี้ มีวัตถุประสงค์เพื่อพัฒนาโปรแกรมสำหรับแปลภาษามือภาษาไทยและภาษาอังกฤษ โดยสามารถแปลภาษามือภาษาไทย ภาษาอังกฤษ ตัวเลขอารบิก และคำภาษาอังกฤษ โดยใช้อัลกอริทึมมีเดียไปป์ (MediaPipe) ในการตรวจจับมือ (Hand Detection) และหาจุดสำคัญ (Keypoint) บนมือที่มีจำนวน 21 จุด โดยงานวิจัยนี้สามารถตรวจจับมือสูงสุดได้จำนวน 2 มือ ทำให้สามารถนำจุดสำคัญทั้งสิ้น 42 จุดไปตัดสินใจเพื่อให้โปรแกรมจำแนก (Classification) ภาษามือที่มีจำนวนทั้งสิ้น 68 สัญลักษณ์ ในการทดสอบนั้น ผู้วิจัยได้กำหนดให้มีผู้ทดลองทั้งสิ้นจำนวน 3 คนทำการทดลองให้โปรแกรมรู้จำภาษามือจำนวนสัญลักษณ์ละ 5 ครั้ง และกำหนดให้กล้องเว็บแคมจะต้องอยู่ห่างจากผู้ทดลองประมาณ 50 เซนติเมตร จากการทดลองพบว่าในการรู้จำภาษามือภาษาอังกฤษนั้นมีความถูกต้องมากกว่าภาษามือไทย เนื่องจากบางสัญลักษณ์ในภาษามือไทยนั้นจะต้องใช้การแสดงท่าทาง 2 ระดับ จึงทำให้เกิดความผิดพลาดในการรู้จำภาษามือ โดยงานวิจัยนี้มีผลการรู้จำภาษามือที่ 95.39%
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ผู้แต่งจะต้องกรอกข้อมูลเพื่อโอนลิขสิทธิ์ (copyright) ให้กับวารสารวิทยาการสารสนเทศและเทคโนโลยีประยุกต์ ก่อนเผยแพร่บทความ โดยดูรายละเอียดเพิ่มเติมได้ที่ https://ph01.tci-thaijo.org/index.php/jait/copyrightlicense
References
Agency, A. (2021). Viral hand sign leads Spanish authorities to detain domestic abuser. Retrieved 2 March 2023. Retrieved from https://www.dailysabah.com/world/europe/viral-hand-sign-leads-spanish-authorities-to-detain-domestic-abuser
Camgo ̈z, N. C., Koller, O., Hadfield, S., & Bowden, R. (2020). Sign language transformers: Joint end-to-end sign language recognition and translation. In the Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, pp. 10023-10033. IEEE. https://doi.org/10.1109/CVPR42600.2020.01004
Chumchim, P. & Maneerat, P. (2020). Application development of sign language translation systems for the hearing-imparied people. PKRU SciTech Journal, 4(1), 22–32. https://ph01.tci-thaijo.org/index.php/pkruscitech/article/view/240583 [in Thai]
Daily News Online. (2021). September 23, International day of sign languages [23 ก.ย. วันภาษามือโลก]. Retrieved 21 February 2023. Retrieved from https://www.dailynews.co.th/articles/289869/ [in Thai]
Department of Empowerment of Persons with Disabilities. (2022). Report on the situation of persons with disabilities in Thailand [รายงานข้อมูลสถานการณ์ด้านคนพิการในประเทศไทย]. Retrieved 2 May 2023. Retrieved from https://dep.go.th/images/uploads/files/situation_sep65.pdf [in Thai]
Department of Provincial Administration. (2022). Population statistics from the civil registration (Monthly) [สถิติประชากรทางการทะเบียนราษฎร (รายเดือน)]. Retrieved 1 May 2023. Retrieved from https://stat.bora.dopa.go.th/stat/statnew/statMONTH/statmonth/#/view [in Thai]
Disabled World. (2022). Deaf communication: Sign language and assistive hearing devices. Retrieved 2 May 2023. Retrieved from https://www.disabled-world.com/disability/types/hearing/communication
Grishchenko, I. & Bazarevsky, V. (2022). MediaPipe holistic - Simultaneous face, hand and pose prediction, on device. Retrieved 25 February 2023. Retrieved from https://blog.research.google/2020/12/mediapipe-holistic-simultaneous-face.html?m=1
Jeekratok, K., Tongthaku, P., & Jampamoon, A. (2019). Thai sign language system in daily Life. Udon Thani Rajabhat University Journal of Science and Technology, 7(1), 101-113. https://ph01.tci-thaijo.org/index.php/scudru/article/view/181628 [in Thai]
Lapthanachai, N., Chomthong, A., Waijanya, S., & Promrit, N. (2023). Classification of nail abnormalities using convolutional neural network. Journal of Applied Informatics and Technology, 5(1), 18–35. https://doi.org/10.14456/jait.2023.2 [in Thai]
MediaPipe. (2023). Hand landmarks detection guide. Retrieved 20 February 2023. Retrieved from https://developers.google.com/mediapipe/solutions/vision/hand_landmarker
Nadee, C. & Yingkayun, K. (2020). Development of method for categorization on sign language picture using image plane adjustment technique. RMUTL Engineering, 5(1), 25–34. https://doi.org/10.14456/rmutlengj.2020.4 [in Thai]
Prajan, S. (2022). Thai fingerspelling in sign language [แบบสะกดนิ้วมือไทยในภาษามือ]. Retrieved 20 February 2023. Retrieved from https://www.gotoknow.org/posts/604277 [in Thai]
Saisangchan, U., Chamchong, R., & Suwannasa, A. (2022). Analysis of lime leaf disease using deep learning. Journal of Applied Informatics and Technology, 4(1), 71-86. https://doi.org/10.14456/jait.2022.6 [in Thai]
Sriboonruang, P., Tananchai, P., Khaggathog, K., Vijitkunsawat, W., & Anunvrapong, P. (2022). Software sign language translator to text and speech by using landmarks technique of MediaPipe. The Journal of Industrial Technology Suan Sunandha Rajabhat University, 10(2), 66–76. https://ph01.tci-thaijo.org/index.php/fit-ssru/article/view/249506 [in Thai]
Wadhawan, A. & Kumar, P. (2020). Deep learning-based sign language recognition system for static signs. Neural Computing and Applications, 32, 7957–7968. https://doi.org/10.1007/s00521-019-04691-y